|
|
استفاده از روش ترکیبی انتخاب ویژگی پیدرپی پیشرو شناور و ماشین بردار پشتیبان در پیشبینی درماندگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران
|
|
|
|
|
نویسنده
|
فلاح پور سعید ,راعی رضا ,نوروزیان عیسی
|
منبع
|
تحقيقات مالي - 1397 - دوره : 20 - شماره : 3 - صفحه:289 -304
|
چکیده
|
هدف: پیشبینی درماندگی مالی شرکتها، یکی از مهمترین مسائل تحقیقاتی در حوزه مدیریت ریسک بوده و همواره در کانون توجه بانکها، شرکتها، مدیران و سرمایهگذاران قرار داشته است. هدف اصلی این پژوهش ارائه یک مدل پیشبینی کننده با عملکرد بالا و مقایسه نتایج بهدست آمده از آن با سایر مدلهای رایج در پیشبینی درماندگی مالی است.روش: به همین منظور از روشهای انتخاب ویژگی پیدرپی پیشرو شناور که مدل تعمیمیافته روش انتخاب ویژگی پیشرو پیدرپی بوده و از دسته روشهای پوششدهنده است و روش انتخاب ویژگی پیشرو پیدرپی در ترکیب با ماشین بردار پشتیبان استفاده شد. این مدلها از نوع مدلهای ترکیبی انتخاب ویژگی و طبقهبندی کننده هستند. همچنین در این پژوهش از مدل رگرسیون لجستیک که یکی از مدلهای آماری طبقهبندی است نیز استفاده شده است.یافتهها: پس از بررسی نسبتهای مالی مهم در نهایت 29 نسبت مالی که در تحقیقات گذشته بیشتر استفاده شده بودند، انتخاب گردیند. آزمون مقایسات زوجی نشان میدهد که دقت مدل پیشنهادی این پژوهش با سطح اطمینان 95 درصد بهتر از دیگر مدلهای استفاده شده در این پژوهش میباشد.نتیجهگیری: نتایج نشان داد که مدل پیشنهادی این تحقیق در یک سال، دو سال و سه سال قبل از درماندگی مالی به طور معناداری از عملکرد بهتری در پیشبینی درماندگی مالی نسبت به روش انتخاب ویژگی پیشرو پی درپی و مدل رگرسیون لجستیک برخوردار است.
|
کلیدواژه
|
انتخاب پیدرپی پیشرو شناور، پوششدهنده، درماندگی مالی، ماشین بردار پشتیبان، مدلهای ترکیبی
|
آدرس
|
دانشگاه تهران, دانشکده مدیریت, گروه مدیریت مالی, ایران, دانشگاه تهران, دانشکده مدیریت, گروه مدیریت مالی, ایران, دانشگاه تهران, گروه مهندسی مالی, ایران
|
پست الکترونیکی
|
norouzian@ut.ac.ir
|
|
|
|
|
|
|
|
|
Applying Combined Approach of Sequential Floating Forward Selection and Support Vector Machine to Predict Financial Distress of Listed Companies in Tehran Stock Exchange Market
|
|
|
Authors
|
Fallahpour Saeid ,Raei Reza ,Norouzian Eisa
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|